ml-air-bnb

Mini Machine Learning Air BnB By Amirisback

Clasification and Clustering

Watermark

• Muhammad Faisal Amir
• 1301198497
• IFX - 43 - GAB
• Informatics 2019
• Telkom University

About This Project

• Clasification and clustering for machine learning in python, using Air BnB dataset

Structure This Project

Result - Screen Shot App

Terdiri dari 3 jenis hasil

• Run program in console
• Csv
• Report

Result run program in console

Result csv

Auto generate with name file (Column already specified):

• Location : com.frogobox.result (Run the program first)
• Clustering - [DateToday]-airbnb-clustering-kmeans.csv
• Classification - [DateToday]-airbnb-classification-knn.csv
  Auto generate with name file (Column random):
• Location : com.frogobox.result (Run the program first)
• Clustering - [DateToday]-airbnb-clustering-kmeans-random.csv
• Classification - [DateToday]-airbnb-classification-knn-random.csv

Result image clustering

Result report

• Link report - https://github.com/amirisback/Mini-ML-Air-BnB/blob/master/docs/report.docx

Tools

• Python (SDK) - Click Here!
• PyCharm JetBrain Community (IDE) - Click Here!
• Git (Windows) - Click Here!

TODO

• Terdapat 3 buah dataset, setiap mahasiswa diberikan 1 buah dataset sesuai table di bagian akhir deskripsi ini. Mahasiswa dibebaskan untuk memilih feature dan label yang akan digunakan.
• Setiap mahasiswa harus mengerjakan 2 buah task terhadap dataset tersebut, yaitu Clustering dan Classification.
• Untuk Task Clustering, mahasiswa tidak boleh menggunakan library untuk proses pemodelan (harus coding from scratch).
• Bahasa pemrograman yang digunakan adalah Python.

Sub TODO

Untuk setiap task, mahasiswa diharapkan setidaknya melakukan hal- hal berikut :

• Formulasi Masalah : mengacu pada 4 tahap From Problem to ML Solution
• Eksplorasi dan Persiapan Data (termasuk split data): Setidaknya menggunakan 2 buah teknik eksplorasi dan/atau penyiapan data. Jelaskan kenapa menggunakan teknik tersebut.
• Pemodelan : Pilih satu algoritma yang akan digunakan. Jelaskan alasan pemilihan tersebut. Buat model menggunakan data hasil proses 3.b. Kerapian dan kejelasan kode sangat penting. Jelaskan dengan detil setiap langka hnya.
• Eksperimen : Wajib melakukan setidaknya 2 eksperimen (menghasilkan 2 model berbeda), misal dengan membedakan fitur yang digunakan, Teknik penyiapan data yang berbeda, algoritma berbeda, dan sebagainya.
• Evaluasi : Pilih metode evaluasi yang ingin diguna kan serta jelaskan alasannya. Lakukan evaluasi terhadap model yang digunakan. Berikan analisis terhadap hasil evaluasi.
• Kesimpulan : Sampaikan kesimpulan dari semua proses yang dijalankan, apa saja lesson learned, dan apa saran untuk improvement ke depan.

Submit Task :

• Laporan diketik dalam A4 menggunakan times new roman size 12, margin 3cm, space 1.15 (.pdf)
• Kode-kode yang siap dieksekusi (.py/.ipynb)
• Dataset hasil eksplorasi

Documentation

• Link task - https://github.com/amirisback/Mini-ML-Air-BnB/blob/master/task/task_ml.pdf
• Link dataset (Air BnB) - https://github.com/amirisback/Mini-ML-Air-BnB/blob/master/task/air_bnb.csv

Colaborator

Very open to anyone, I'll write your name under this, please contribute by sending an email to me

• Mail To [email protected]
• Subject : Github _ [Github-Username-Account] _ [Language] _ [Repository-Name]
• Example : Github_amirisback_kotlin_admob-helper-implementation

Name Of Contribute

• Muhammad Faisal Amir
• Waiting List
• Waiting List

Waiting for your contribute

Reference

• w3school.com - https://www.w3schools.com/python

Attention !!!

Please enjoy and don't forget fork and give a star